Pytorch入门实战教程（一）（二）(三)

1.Pytorch 和 Tensorflow区别

Pytorch 是动态图，你一旦用代码将神经网络架构搭建起来。那么就可以直接运行

Tensorflow是静态图，用代码将神经网络架构写出来后，还要专门写一段运行的代码

2.利用GPU进行加速运算

import 	torch
import  time
print(torch.__version__)
print(torch.cuda.is_available())
# print('hello, world.')


a = torch.randn(10000, 1000)
b = torch.randn(1000, 2000)

#a矩阵乘以b矩阵在CPU上的运算时间
t0 = time.time()
c = torch.matmul(a, b)# 2维*2维 就是矩阵点乘
t1 = time.time()
print(a.device, t1 - t0, c.norm(2)) #计算时间 c.norm(2)的意思是对c向量求L2范数。范数就是用来计算出一个向量的大小，好用于比较

device = torch.device('cuda') #调用cuda
a = a.to(device)  #将矩阵a和b搬到GPU上
b = b.to(device)

#计算GPU上计算所用的时间
t0 = time.time()
c = torch.matmul(a, b)
t2 = time.time()
print(a.device, t2 - t0, c.norm(2))

3.Pytorch提供的自动求导功能

import  torch
from    torch import autograd


x = torch.tensor(1.) #把x当作是样本的值，通过导数求得参数a，b，c的梯度分别是多少
a = torch.tensor(1., requires_grad=True) # 对a进行求导
b = torch.tensor(2., requires_grad=True) #对b进行求导
c = torch.tensor(3., requires_grad=True) #对c进行求导

y = a**2 * x + b * x